TASER: UAV群の分散型フェデレーテッドラーニングにおけるバックドア抑制のためのタスク認識スペクトルエネルギー精製

要旨: UAVベースの分散型フェデレーテッドラーニング（DFL）におけるバックドア攻撃は、ますます隠密性が高く高度化しており、既存の防御は複雑さを増しています。しかし、これらの防御は外れ値検出に大きく依存しており、巧妙に設計されたバックドアには依然として脆弱です。UAV-DFLでは、グローバルな協調の欠如とリソースの制約により、外れ値ベースの防御は実用的でなくなっています。この状況を受けて、勾配のスペクトル解析は有望な代替手段を提供します。先行研究は主に低周波成分を用いたペアワイズ比較に依存していますが、バックドア勾配の内在スペクトル特性を分析することを怠っています。既存の隠密な攻撃の実証分析を通じて、重要な洞察を明らかにします：攻撃者が善良な挙動を模倣する努力を多くすればするほど、スペクトルの集中（スペクトル集中）はより際立つようになる。これを踏まえ、Task-Aware Spectral Energy Refine（TASER）— 分散型防御フレームワークを提案します。私たちの知る限り、スペクトル集中を活用し、複雑な外れ値検出を必要としない初の効率的なバックドア防御であり、隠密な攻撃を構造的に破壊することにより緩和を可能にします。バックドアタスクを抑制するため、TASERは主要タスクに関連する周波数成分を保持し、他を破棄します。私たちは理論的保証を提供し、実験を通じてTASERが外れ値ベースの防御を回避する隠密なバックドア攻撃に対しても有効であることを示します。攻撃成功率を20%未満、精度低下を5%未満に抑えることができる。